文/中信銀行信息技術管理部總經理王燕

　　近期，大家在各種場合提到金融科技必談大數據，而很少談到數據治理問題。對于一個企業而言，要實施數字化和大數據戰略，數據治理重要性理應更為重要，數據治理的目標、環境和技術也有了新的發展，這個題目促使我思考這個問題。因此，借此機會談談個人對銀行數字化時代數據治理的幾點看法。

　　數據治理應上升到戰略層面

　　數據治理并沒有嚴格的定義，通常為提高數據質量而開展的業務、技術和管理活動，這些都屬于數據治理范疇。長期以來，由于銀行（包括銀行下屬金融企業，下同）高度重視業務的電子化和信息化，外加監管對銀行統計信息質量的高要求，各銀行均重視數據治理問題，建立起高管層、信息委，以及專職或兼職的信息管理部門，歸口負責數據的業務標準、數據質量和統計口徑，信息技術部門則負責用技術手段落實標準、控制數據質量、提供數據開發和數據處理服務。但是這些工作基本停留在管理層面。

　　在《商業的未來》一書中，作者開篇就用了“要么數字化，要么滾回家”標題黨式的語言，確道出了未來商業存亡的本質。在數字化商業環境下，數據治理絕不是管理數據質量的業務問題，數據是戰略問題，對金融企業尤為如此。

　　數據已經成為銀行經營的核心生產要素，客戶定位、產品定位、風險控制、金融市場的交易，無一不依賴于數據，與以往不同的是，數據不僅僅是經營和決策的支持工具，而是一種產品或的服務形態，是用數字化改造流程和管理方式。如何在全企業甚至全集團內部，有目的、有組織地采集、存儲、利用數據，讓數據產生新價值，就不再是技術和管理層面的事情，必須上升至戰略層面，納入董事會、高管層的戰略視野和戰略思考之中，并通過戰略規劃、組織、流程、資源使數據戰略能夠打破部門之間藩籬、集團內部法人之間的藩籬，有目標、有計劃、持之以恒地貫徹和推進。

　　在數據戰略方面，互聯網企業認識更為深刻，更具有前瞻性，在多年以前，這些企業就有意識地積累數據、經營數據，在業務合作中將數據作為重要資本，近年來，在理念、戰略、技術上更是系統地開展研究，大規模的投入，并且用數字化對傳統行業進行改造，顯而易見這些企業已經將數據作為了戰略資源。

　　將數據價值管理作為數據治理的目標

　　在實踐中，技術部門和數據管理部門遇到的一大難點是各部門抱怨數據缺失、數據質量問題，并將主要責任和治理工作推給這兩個部門，數據治理很難深入，數據治理成本增加，邊際收益曲線快速遞減。在數據僅作為一般性的統計、分析、監管報表報送的情況下，這種現象實屬正常，畢竟業務部門有其各自的業務價值目標和職能分工，當數據的采集、加工、存儲和質量控制成本大于其收益時，或者數據治理僅僅是質量管理活動的話，是很難得到各業務部門的真正認同的。唯有當數據給業務帶來價值時，數據治理才能上升到戰略層面，成為業務部門的自覺行動。因此，應清晰定義數據治理的目標，將數據價值管理而非數據質量管理作為其目標。具體有三點建議：

　　一是，建立數據價值評價模型。目前，大部分銀行都建立了企業的主數據和數據的認責部門，在此基礎上，可以再增加價值分析維度，根據數據使用頻度、重要性、精準性、安全等級、監管要求等，以及數據在產品創設、客戶標簽、營銷機會、風險技術、作業流程等應用維度進行標識和評估，實行分類管理，確定數據質量、存儲、安全、調用等策略，讓管理層、數據認責部門、數據管理部門和信息技術部門建立共同的數據價值判斷標準，提高對數據治理活動的認識。

　　二是，建立數據價值分析的流程。信息技術部門和數據管理部門的數據治理工作要前置到業務活動中，分析業務活動中的數據需求，以及業務活動過程中產生的數據，與業務部門共同分析數據的使用價值和采集的必要性，在信息系統建設過程中以最合理的方式實現數據采集、數據質量控制，并最大限度集成和調用內、外部數據，支持營銷、客戶識別、風險控制等業務活動中的數據需求。讓業務部門切實感受到數據的價值，承擔起數據提供者的責任。

　　三是，試點建立數據經營的內部組織。從組織內部看，銀行已經擁有了海量的數據，不僅數據的歷史長，而且質量高，但是很多業務部門并不知道銀行究竟有什么樣的“寶藏”，由于用戶通常是一次性使用數據，數據質量改進和價值發掘缺乏持續性，無法實現知識積累。經驗表明，數據的質量是越用越好，數據的價值是越用越高，前者說的是通過數據的使用才能發現數據的質量問題，從而推動數據問題的追根朔源和改進，后者說的則是數據的特性，數據價值不會因為使用而消失，這恰恰是數據運營部門的專業價值所在；從外部看，外部數據服務逐步興起，將外部采購的數據管理好，實現外部數據和內部數據的綜合管理與應用，共同服務于企業內部的多個用戶，也需要有專業管理團隊。此外，對于集團性企業的法人之間也存在數據服務的需求，由于涉及到保護敏感數據安全以及數據基礎設施安全的監管要求，必須對數據進行加工處理，這些職責和專業技能是技術部門或信息管理部門所不能完全覆蓋的，需要有一個綜合性的專業團隊運營。需要說明的是，數據運營專業團隊與業務條線的數據分析功能，兩者不是替代關系，而是互補關系，數據運營團隊的工作是為了更好地支持業務條線的數據分析和應用。

　　數據質量和數據標準始終是基礎

　　數據價值管理的治理目標并不否定數據質量和數據標準管理活動，兩者始終是基礎。之所以強調這兩項工作，是為了澄清實際工作中遇到的誤區，這種觀點認為：解決信息系統的數據問題，應采用技術手段或采購外部大數據，業務難有作為。

　　就數據質量而言，業務對數據的依賴性越大，對質量的要求越高，數據質量就是產品質量、服務質量、意味著風險。在數字化時代，業務活動就是進行數據采集、生成和數據質量控制的過程，顯示的就是業務活動的自身的過程和質量，并將此固化在信息系統中，這個過程始終是不可或缺的。同樣運用技術手段建立數據質量監控機制，也是不可或缺的，只是隨著數據采集和處理的技術在不斷地進步，如：傳感器、圖像處理、RPA等，很大程度上減輕了人工的輸入，甚至原本不可能由人工采集的數據，進而極大地提高了數據準確率，降低了數據采集和處理成本。

　　數據標準是數據的業務含義、分類分級、格式及轉換，是數據治理最基礎的工作，數據標準化程度越高，系統自動化處理能力越強，信息共享度越強，數據成本越低。數據標準的難度在于管理，管理的難度在于對數據的業務定義。銀行的數據管理部門或數據運營部門應更加努力地承擔起這個基本職能，在企業內部推動數據標準的制定，信息技術部門則要堅決地落實貫徹數據標準，從數據的源頭抓起，在源系統中貫標。

　　將數據基礎設施納入戰略投資管理

　　數據基礎設施的投資歷來是昂貴的，很難衡量價值，在短期內難見到收益，也是成本最難分攤出去的IT投資。但是數據基礎環境的建設又是如此重要，非企業或集團范圍內的總體規劃、超前投入無以建成企業或集團級別的數據平臺、形成可產生價值和共享的數據規模。10多年前，數據倉庫投資以數據驅動還是應用驅動的爭論，仿佛歷歷在目。在當時情況下確實值得討論：以數據驅動的建設路徑成功者不多，以應用驅動的建設方式有著見效快，易于被業務部門接受的優點，但也導致最終數據分散難以整合和共享，以及歷史數據保存不充分的問題，企業確實應根據各自的條件和環境選擇合適的建設方式。進入數字化時代，企業級的數據基礎設施戰略投資，頂層設計、集中建設、集中處理、分層應用則是不二的選擇。以中信銀行為例，2013年，為解決數據分散、缺失、無法共享的問題，作為戰略項目，總體規劃建設了“數據倉庫+大數據平臺”的企業級混合數據架構和基礎設施，持續對大數據技術進行跟蹤和應用，幾年來，積累保存了大量寶貴的數據，支持了十多類應用，有力地支持客戶數字化營銷、風險模型開發和反洗錢、反欺詐。在此，呼吁改變信息技術投資分攤的管理方式，將數據基礎設施和數據技術研發項目作為戰略性投資，鼓勵信息技術部門投資數據處理技術，將數據盡可能的保存下來，不斷提高數據處理的能力。

　　結束語

　　春節期間去玉淵潭公園走步，出園時突然發現門口新增了電子大屏幕，顯示當日入園人數24173、出園人數23441、留園人數732，顯然公園采用了攝像和圖像數字化處理技術，公園也開啟了數字化管理。我們正在步入數字化商業時代，數據治理理應上升為戰略，實行數據的價值管理，并將數據治理活動滲透到銀行的一切業務活動中。

責任編輯：Rachel